ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2018

Компьютерная панацея инженерного образования

Статья опубликована в выпуске журнала № 4 за 1995 год.[ 20.12.1995 ]
Аннотация:
Abstract:
Авторы: Перекатов В.И. () - , ,
Ключевое слово:
Ключевое слово:
Количество просмотров: 4700
Версия для печати

Размер шрифта:       Шрифт:

Беседы и совещания, посвященные усовершенствованию отечественного инженерного образования, теме весьма многогранной, практически в каждом случае сосредоточиваются на решающем в этом деле значении мощных вычислительных и коммуникационных средств, точнее, на их отсутствии. Это вполне объяснимо, ибо кризис системы образования во многом обусловлен ее слабой технической базой. В то же время, довольно внимательно ознакомившись с периодикой, относящейся к компьютерному направлению высшего образования США, автор пришел к выводу, что есть и другие аспекты данной проблемы, принципиальные, но менее очевидные с нашей точки зрения. Они так или иначе касаются состояния компьютерных дисциплин и их соотношения со сложнейшими проблемами современной инженерии.

Компьютинг

Предшествующая этой статье публикация [1] позволяет получить представление об эволюции взглядов на компьютинг (computing) как предмет высшего образования, имеющей довольно драматический характер. Прежде всего подразумеваются не раз предпринимаемые попытки найти основы, позволяющие рассматривать компьютинг в числе фундаментальных дисциплин. В частности, подобную работу почти непрерывно ведут целевые группы, которые создаются ведущими профессиональными обществами из числа маститых ученых и педагогов. Они очень основательны, тем не менее результаты вряд ли можно признать вполне успешными, окончательно решающими поставленную задачу. Скорее всего - это каждый раз фиксация, моментальный снимок "всего того, что относится к компьютерам" [2]. Индивидуальные инициативы исследователей (например идея Дейкстры 'обосновать компьютинг на основе феномена программирования) плодотворны, но требуют дальнейшей тщательной разработки.

Вряд ли здесь стоит развивать эту тему. По-видимому, такое состояние обусловлено несколькими факторами, среди которых относительная молодость дисциплины, гетерогенность, доминирующая роль технологического компонента, его интенсивное развитие, принявшее почти взрывной характер, явно выраженный социальный аспект.

Можно полагать, что потеря на данный период перспективы сформировать непреходящие фундаментальные принципы компьютинга, его научный метод стала одной из причин, побудивших авторитетных участников этого процесса подойти к делу с практической стороны, представить его как профессию, отвечающую заботам людей и помогающую им в неизбежных неурядицах, и/или как образовательный бизнес. В этом смысле знаменательны публикации П. Деннинга (P.J. Denning) [3, 4], выдающегося ученого, который ранее посвятил немало времени и внес решающий вклад в разработку принятой на сегодняшний день концепции дисциплины.

Таким образом, представление компьютинга располагается и рассматривается сейчас в измерениях "наука-профессия-бизнес". Ситуация в этом домене вызывает тревогу. О состоянии дел с научно-методическим аспектом дисциплины уже вкратце сказано. С профессиональной точки зрения констатируется очевидная в ряде случаев оторванность ведущихся работ и исследований от насущных людских потребностей, от целей, называемых "локальным выражением национальных интересов". Что касается бизнес-фактора, то уместно привести одно из соображений Деннинга, ныне всецело посвятившего себя педагогике: "Университеты начинают сталкиваться с конкуренцией, чего раньше не было. Это обязывает их рассматривать образование как один из видов бизнеса в сфере услуг, который требует определить рыночные ниши и предложить лучшее качество".

Намечаемые пути выхода из кризиса не выглядит оригинально. Все решения располагаются в трех измерениях того же домена, и речь, как правило, идет о ревизии их приоритетов. Тем более интересно появление такого принципиально нового фактора, как "вычислительная наука (computational science)" - "всплывающая дисциплина" [5], которую некоторые радикалы рассматривают как прямую альтернативу компьютерной науке.

"Всплывающая дисциплина"

Статус вычислительной науки был утвержден на такой торжественной ноте, как принятый конгрессом США в декабре 1991 года Акт НРСС (High Performance Computing and Communications) [6], наименование которого можно трактовать как "Компьютинг и коммуникации высшего порядка". Наряду с созданием сверхвысокоскоростных вычислительных средств и сетей передачи данных ей отводилась решающая роль в национальных программах ответа на Великие Вызовы (Grand Challenges). К ним были отнесены сложнейшие научные и инженерные проблемы, определяющие экономическое благосостояние США на рубеже веков. Это астрономия, структурные исследования человеческих генов, полупроводники с высокой точкой Кюри, молекулярное конструирование лекарств, архитектура судов, квантовая хромодинамика, конструирование полупроводников, структурная биология, сверхпроводимость, подводная акустика, погода, климат и глобальные изменения, моделирование, визуализация. Очевидно, что определенные темы данного списка могут быть с равным основанием признаны и научными, и инженерными. Это вообще свойственно инженерным задачам высшей сложности; скорее всего здесь можно говорить об уровне, с которого сложность проблемы переводит ее в новое качество, еще не зафиксированное в традиционной классификации.

Сейчас в США уже сформулированы несколько точек зрения на вычислительную науку. Одна из них, представленная Стивенсоном (D.E. Stevenson) от имени университета Клемсона (Clemson University) в авторитетном Communications of the ACM, выглядит наиболее разработанной [5].

Традиционное представление, которое доминирует еще со времен бэконовского "Нового Органона", рассматривает науку как взаимодействие (interplay) теории и (физического) эксперимента: теории предлагаются, эксперимент определяет их состоятельность. Современный подход требует дополнить эту пару третьим базисным компонентом - компьютерным моделированием. В итоге типичный процесс научного исследования выглядит следующим образом.

* На основе физических принципов создает ся физическая модель исследуемой системы.

* Физическая модель трансформируется в одну или несколько вычислительных моделей.

* Проводится вычислительный эксперимент с использованием визуализации или других автоматизированных методов индикации резуль татов. Доступные результаты физического эксперимента сравниваются с численными для верификации обеих моделей.

* Результаты вычислительного эксперимента дают первое представление о поведении реальной системы. Оно используется для разви тия и усовершенствования моделей.

Таким образом, компьютерные вычисления становятся частью философии науки.

Отдельные этапы этого процесса характеризуются следующим образом.

При создании физической модели делаются предположения о поведении реальной системы, которые требуют определенной математической формулировки. Предположения, основанные только на физических гипотезах, называются "физическими". При этом модель называется "физически точной". Наряду с этим в модель вводятся и нефизические предположения, необходимые только для удобства математического описания системы - они приводят к "физически неточной" модели наблюдаемого процесса. Типичным ее примером является известная из учебников физики модель синусоидальных колебаний маятника; она действительна только в незначительном случае малого угла отклонения, когда возможно несложное аналитическое решение. В физически точной модели, предполагаемой целью первого этапа исследования, данная гипотеза несправедлива, и система описывается дифференциальным уравнением, решение которого может быть получено численным методом.

Компьютерное моделирование существенно расширяет сферу применения физически точных моделей. Однако это сопряжено с рядом специфических проблем, свойственных последующим стадиям процесса исследования. На второй стадии речь прежде всего идет о вычисляемости (computability) выбранной модели, то есть об отсутствии в ней допущений, по сути своей исключающих применение численных методов. Кроме того, серьезнейшей проблемой является оценка ошибок вычислений. Достаточно условно все это можно определить как "правильный выбор алгоритма".

Реализация вычислительного эксперимента (третий этап процесса) неизбежно ставит вопрос о соответствии вычислительной модели конкретной архитектуре вычислительной системы. Постоянный прогресс компьютерной и сетевой технологий наряду с усовершенствованием традиционного (фон-неймановского) оборудования и программного обеспечения приводит к появлению в вычислительных центрах новых, экзотических архитектур, таких как гиперкуб, data flow и др., сочетаемых в сложных распределенных композициях. Выбор оптимальной (или хотя бы удовлетворительной) архитектуры и системного программного обеспечения для сформулированного алгоритма является принципиальной проблемой компьютерного моделирования. При этом отмечается, что вовсе не следует фатально ассоциировать вычислительную науку с использованием суперкомпьютеров, ибо в ряде случаев задачу можно решить на рабочей станции.

И, наконец, уровень задач, относящихся к категории Великих Вызовов, неизбежно ставит вопрос о полномасштабном применении методов Инженерии программного обеспечения (Software Engineering), которые охватывают весь комплекс вопросов, связанных с написанием, отладкой, эксплуатацией и сопровождением больших научных программ.

Существенно, что естественная последовательность обозначенных стадий исследования вовсе не исключает необходимости их тщательной корреляции. Уже на стадии формирования физической модели следует учитывать такие аспекты, как предполагаемый численный метод и алгоритм расчета, архитектура вычислительной системы, структура программы. Их игнорирование, недостаточный учет или неверный выбор равносилен неряшливой постановке физического эксперимента.

В итоговой формулировке вычислительная наука ставит три цели.

1.     Найти и ограничить недопустимые пред положения и аппроксимации в модели.

2.     Корректно связать выбранные алгорит мы с предполагаемой архитектурой вычисли тельных средств.

3.  Решить проблемы, связанные со слож ностью и корректностью процесса программи рования.

Достаточно внятная характеристика предмета вычислительной науки позволяет сопоставить ее с традиционным представлением компьютерной науки, проанализировать их соотношение. Хотя область пересечения представляется очевидной (профессионалы, по определению сведущие в программировании и архитектурах, должны быть особенно полезны на стадиях научного исследования, которые связаны с непосредственным использованием компьютеров), существует ряд обстоятельств, на сегодняшний день ставящих под сомнение их родство. Основным из них является упомянутая выше недостаточность оснований компьютерной науки, ее (ставшая притчей во языцех) "ненаучность", неопределенность научно-методических основ и приверженность проблемам, смысл которых на фоне всеобщего движения "остальной" человеческой мысли порой представляется маловразумительным.

В частности, налицо явная ущербность знаний по естественным наукам и математике, порой признаваемых удовлетворительными для специалистов по компьютерной науке. Среди преподавателей и, естественно, студентов бытует расхожее мнение, что не следует тратить учебное время на темы, явно к ней не относящиеся или трудные для понимания (хотя коммерческим применениям оно отводится в полной мере). Внимание акцентируется на результатах, заметных в ее профессиональной среде, но не очевидных для других областей знания или человеческой деятельности. В качестве примера приводится участник конференции, призывавший отменить ФОРТРАН (а следовательно, и массу прекрасно зарекомендовавших себя в науке и инженерии фортрановских программ), предлагая взамен "много лучший", изначально векторизованный язык программирования.

Как антитезис выдвигается довод, что объектом науки являются не программы, но знание. Хемминг утверждал: "Цель программирования есть понимание, но не числа". В этом смысле гораздо убедительней выглядит вычислительная наука, которая находится в прочной концептуальной оболочке одной из фундаментальных естественных дисциплин, пользующихся ее услугами - физики, биологии, астрономии и др. Фактически она является их методом исследования, необходимым и вполне определенным, не нуждающимся в принципиальном обосновании, просто требующим непрерывного усовершенствования. Более того, именно естественно-научная проблематика позволяет наилучшим образом подготовить и развить некоторые специфические идеи "чистого" компьютинга. Например, предполагается, что естественный и, вероятно, простейший путь ввести понятие параллелизма лежит через простые численные модели. Природа органично параллельна, и студенты наилучшим образом войдут в суть дела, исследуя моделируемые феномены. Приводится и ряд других примеров.

Наметившееся противостояние по сути родственных дисциплин натуральным образом разрешается благодаря междисциплинарной природе вычислительной науки. Непосильные по сложности для ученых и инженеров-прикладников, хоть и поднаторевших в программировании, задачи высшей категории в ее постановке решаются командами, которые включают специалистов различной ориентации: представителей предметной области (физиков, инженеров, астрономов, биологов и т.п.), математиков (аналитиков и вычислителей) и, конечно, представителей нескольких направлений компьютерной профессии - системных интеграторов, системных и прикладных программистов, инженеров. Следует говорить о взаимопроникновении дисциплин - компьютерная наука укрепляется в своих принципах, заполняя важнейшее поле априорно обоснованной вычислительной науки, в то время как последняя предлагает компьютерной науке новые теоретические и прикладные темы для развития, связанные со своей спецификой, например инженерию программного обеспечения для научного применения (software engineering of scientific software).

Вычислительная наука и образование

Совершенно очевидно, что идея комплексных команд вычислительной науки очень непроста в реализации. Судя по всему, даже при наличии нескольких примерных методик организации эффективной работы большую роль будет иметь творческий подход в разрешении специфических проблем отдельных проектов. Поэтому важна заблаговременная подготовка их участников, то есть представление вычислительной науки в образовании. Хотя эта работа ведется сравнительно недавно, уже получен опыт на всех образовательных уровнях - от старших классов школы (high school) до аспирантуры (post-graduate programs), позволяющий дать некоторые рекомендации. Основные образовательные цели вычислительной науки формулируются следующим образом:

* оценить роль вычислений в науке и стимулировать интерес к вычислительной науке; с этой целью необходимо ознакомить студентов с Великими Вызовами и другими проблемами то го же класса, пробудить их интерес к познанию физического мира;

* развить здравый смысл в понимании того, что можно и нельзя сделать с помощью вычислений при научном моделировании;

* обеспечить понимание базовой триады вычислительной науки: применение-алгоритм- архитектура,

* показать студентам последствия неудовлетворительной постановки и применения вычислений.

Эти идеи следует проводить в программах по вычислительной науке в учебных заведениях, которые соответствуют всем ее направлениям. Практически рекомендуется организовывать работу трехэтапными циклами. На первом этапе представитель некоторой проблемной области характеризует задачу и обсуждает ее существенные аспекты. Далее обозначаются различные варианты решений в терминах описанного выше процесса исследования. И, наконец, после разработки студентами программ и проведения моделирования следует обсуждение полученных результатов. Кажется, тут имеется в виду следующий принцип: готовясь к своей роли в междисциплинарной команде, студент должен научиться проводить мини-игры за всю команду.

Завершая сжатое изложение статьи Стивенсона, надо отметить, что сказанное выше касается только введения студентов в вычислительную науку, но не формирования навыков работы в междисциплинарной команде, решающей сложную прикладную задачу. Очевидно, это очень непростая тема, и соответствующие публикации еще впереди. Тем не менее время не ждет, а потому уже сейчас имеет смысл попытаться сформулировать некоторые первичные соображения на сей счет. Они во многом сложились в результате обстоятельных бесед с Б.С. Митиным, ректором Московского государственного авиационного технологического университета, изначально воспринявшим изложенные идеи как принципиальное развитие традиционной схемы инженерного образования, несомненно заслуживающей внимания, но заметно издержавшей свой ресурс и требующей обновления.

1.Вряд ли возможно организовать подготовку универсальных команд вычислительной науки, способных на решение широкого класса сложных проблем. Проблемы класса Великих Вызовов специфичны; кроме того, эта подготовка потребует немалых средств, получить которые впрок без четкой целевой установки маловероятно. Целесообразно создавать команду под определенно сформулированное направление относительно долговременного исследования. Следует постараться убедить его заказчиков, что их поддержка позволит через приемлемое время ввести в дело группу активных молодых специалистов, аккумулирующую понимание проблемы во всех ее аспектах, и способных сразу выйти на передний фронт исследовательской работы.

Этот подход, не поступаясь "высотой полета", учитывает и практическую сторону дела. Он может обеспечить более стабильное состояние в домене, который ранее был условно обозначен в измерениях "наука-профессия-бизнес". Вопрос только в том, будут ли у нас люди, способные сформулировать Великие Вызовы, заинтересованные в их разрешении и берущиеся их поддержать, а также в том - удастся ли добиться этой поддержки.

2. Если предположить, что подготовка команд вычислительной науки проводится в рамках структуры, условно называемой "Департаментом", то существенен вопрос ее организации.

По традиции подразделения Департамента (условно - "кафедры") делятся на выпускающие и невыпускающие. Невыпускающие кафедры так или иначе соответствуют составляющим дисциплинам вычислительной науки: физике, вычислительной математике, архитектуре вычислительных систем, технологии программирования и др. В изобилии должен быть представлен английский язык. Решение задач уровня Великих Вызовов часто приходят через художественные образы, поэтому в состав кафедр хорошо ввести гуманитариев. Вовсе не обязательно фиксировать весь штат невыпускающих кафедр в составе Департамента; он может быть сформирован из преподавателей других подразделений университета, на базе которого действует Департамент, или из других университетов.

Получив заявку на очередную тему исследования, невыпускающие кафедры совместно составляют учебную программу, направленную на "доводку" слушателей, передачу им недостающей части базовых знаний, необходимых для уверенной интродукции в проблему.

Выпускающие кафедры приглашают опытных профессионалов, наиболее компетентных в теме исследования и/или уже его ведущих. Их цель - за время обучения представить студентам все аспекты проблемы и вывести их на передний фронт исследования.

Выпускающие кафедры создаются на время подготовки определенных команд. Состав невыпускающих кафедр более постоянен, однако и здесь могут быть реформы, связанные с изменением направления исследования. Таким образом, структура Департамента мобильна, она формируется "под задачи", а не под стандартные направления и специализации образования.

3.  Как всегда, актуальна тема технической базы. Совершенно очевидно, что развернуть в Департаменте оборудование того же класса, что на "базовой фирме", решающей поставлен ную проблему, невозможно. Поэтому часть, возможно большая, лабораторной работы бу дет вестись там или в мощном научном центре, поддерживающем и заказ, и вычислительную науку как таковую.

Наряду с этим Департамент должен иметь собственный комплект мощных вычислительных средств класса минисуперкомьютеров, средств визуализации и сетевых услуг, необходимый для учебного процесса и вычислительных экспериментов малого и среднего масштабов. Такое оборудование сейчас доступно. Например, недавно автору был продемонстрирован настольный вариант 64-битовой однопроцессорной машины Avenger XT/NT с производительностью до 550 миллионов операций в секунду - типичный компьютер вычислительной науки.

Что касается вычислительной сети Департамента, то здесь очень важно учитывать необходимость ее гибкой реконфигурации соответственно варианту "сетевых вычислений, network computing" (в терминах фирмы Novell), оптимальному или удовлетворительному для решаемой проблемы.

Фактически обязателен выход в Internet.

4.  Вопрос о составе слушателей очень и очень непрост, а потому любые рекомендации пока преждевременны. Впрочем, из общих соображений можно заключить, что команды подбираются из представителей различных на правлений вычислительной науки, что это - не первокурсники, еще не получившие обязательных знаний и не определившиеся в творческом

смысле, и не выпускники университетов, что в общем реально, но переводит разговор от университетского образования в плоскость повышения квалификации.

Феномен вычислительной науки определен как следствие того принципиального обстоятельства, что традиционная пара "теория - эксперимент", лежащая в основе научного метода в течение длительного исторического периода, теперь трансформировалась в триаду, включающую компьютерное моделирование. На фоне кризисов и недоразумений, свойственных попыткам обустроить бурный процесс развития компьютерных технологий, ввести его в рамки стройных концепций, перспективы вычислительной науки выглядят несколько предпочтительнее. Залогом тому является ее очевидная приверженность фундаментальным основам естественно-научных дисциплин и инженерии, неизменно актуальная профессиональная ориентация, уверенная позиция на рынке образовательных услуг.

Рассматривая ее в качестве учебной дисциплины, можно достаточно уверенно отметить такие привлекательные свойства, как мобильность, междисциплинарный характер, высшая по значению и сложности категория решаемых проблем, их определенность. С подобным багажом она действительно выглядит панацеей на фоне нашего инженерного образования, переживающего не лучшие времена. Ею нельзя пренебречь.

Список литературы

1.    Перекатов В.И. Компьютинг как предмет высшего образования: эволюция идей. // Технология программирова ния. - 1995. -№ 1.

2.    Computing as a Discipline. Report. // Communications of the ACM, vol.32, N1, 1989.

З.Ап ACM response: The Scope and Directions of Computer Science. // Communicayions of the ACM, vol.34, N 10, 1991.

4.    Denning P J.. Educating a New Engineer. // Com munications of the ACM, vol.35, N 12, 1992.

5.    Stevenson D.E.. Science, Computational Science and Computer Science: At a Crossroads. Communications of the ACM, vol.37, N12, 1994.

6.    Federal Coordinating Council for Science, Engineering and Technology. Grand Challenges 1993: High Performance Computing and Communicating, National Science Foundation, Computer and Information Science and Engineering Directorate, Washington, D.C., 1993.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=1133
Версия для печати
Статья опубликована в выпуске журнала № 4 за 1995 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: